llm-wiki
一个能自动构建、维护和更新个人知识库的AI助手技能。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：llm-wiki。 它的用途是：一个能自动构建、维护和更新个人知识库的AI助手技能。 完整的 Skill 内容见：https://321skill.com/skills/llm-wiki-mduongvandinh/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
`/llm-wiki setup book-companion`，它会为你快速搭建一个读书伴侣知识库，并准备好演示数据。之后，你可以将阅读的书籍PDF放入指定文件夹，然后说：`/llm-wiki run`，AI便会自动提取书中的人物、时间线、派系等信息，构建出一个结构化的书籍维基供你查阅和提问。
介绍
LLM Wiki 旨在解决个人知识管理中的信息过载和碎片化问题。传统笔记工具依赖手动整理，而LLM Wiki则通过AI自动处理你放入文件夹的文章、笔记、PDF等资料，构建结构化的知识库，并自动建立交叉引用、检测不同来源间的矛盾，让知识库随时间推移自动生长和更新。
使用方式非常直观：你只需将任何格式的资料（如PDF、Reddit帖子、笔记）放入指定的raw/articles/文件夹，然后运行一个命令（如/llm-wiki run），AI便会自动读取、分析、整理并更新你的知识库。知识库以Markdown文件形式存储，便于查看和编辑。
这个技能非常适合需要持续跟踪、研究和整合大量信息的人，例如学术研究者、内容创作者、产品经理、数据分析师以及任何希望将零散知识系统化的学习者。它尤其适合处理那些来源多样、内容复杂且需要长期维护的知识领域。
使用建议是，初次使用时可以从预制的“变体”（如读书伴侣、竞品分析、求职研究）开始，这些模板包含了预设的配置和演示数据，能帮助你快速上手。同时，由于知识库基于文件系统，建议定期备份你的wiki文件夹。
核心特点
与传统RAG（检索增强生成）工具不同，LLM Wiki采用“编译一次，持续维护”的模式，能自动构建和维护知识条目间的交叉引用，并在信息摄入时立即检测并标记矛盾之处，使知识库具备有机生长和自洽性，而非每次查询时重新检索零散的片段。
注意事项
不适合处理需要极低延迟、实时性要求极高的动态信息查询场景，其知识更新基于周期性运行而非实时同步。
常见问题
LLM Wiki和Notion、Obsidian有什么区别？
LLM Wiki的核心是AI自动构建和维护知识结构（如交叉引用、矛盾检测），而Notion/Obsidian更侧重于提供强大的手动编辑和组织工具。
需要一直运行AI吗？
不需要。AI只在执行命令（如`/llm-wiki run`）时工作，知识库以Markdown文件形式静态存储，可随时查阅。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/llm-wiki-mduongvandinh/raw/index.md 读取 llm-wiki 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/llm-wiki-mduongvandinh/raw/index.md（查看排版版本）